CN114982580A - 一种基于图像识别的智能花卉辅助栽培方法及系统 - Google Patents
一种基于图像识别的智能花卉辅助栽培方法及系统 Download PDFInfo
- Publication number
- CN114982580A CN114982580A CN202210634945.3A CN202210634945A CN114982580A CN 114982580 A CN114982580 A CN 114982580A CN 202210634945 A CN202210634945 A CN 202210634945A CN 114982580 A CN114982580 A CN 114982580A
- Authority
- CN
- China
- Prior art keywords
- flowers
- image
- flower
- image recognition
- current moment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012364 cultivation method Methods 0.000 title claims abstract description 20
- 239000002689 soil Substances 0.000 claims abstract description 51
- 230000012010 growth Effects 0.000 claims abstract description 47
- 150000002500 ions Chemical class 0.000 claims abstract description 43
- 230000007613 environmental effect Effects 0.000 claims abstract description 42
- 235000015097 nutrients Nutrition 0.000 claims abstract description 36
- 229910017053 inorganic salt Inorganic materials 0.000 claims abstract description 29
- 238000005286 illumination Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 238000003973 irrigation Methods 0.000 claims description 20
- 230000002262 irrigation Effects 0.000 claims description 20
- 238000000691 measurement method Methods 0.000 claims description 12
- 239000003337 fertilizer Substances 0.000 claims description 10
- 238000002156 mixing Methods 0.000 claims description 8
- 230000001276 controlling effect Effects 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000004083 survival effect Effects 0.000 abstract description 4
- 239000000243 solution Substances 0.000 description 35
- 239000013598 vector Substances 0.000 description 32
- 238000003860 storage Methods 0.000 description 23
- 239000000523 sample Substances 0.000 description 17
- 238000000605 extraction Methods 0.000 description 12
- 238000000034 method Methods 0.000 description 12
- 239000007788 liquid Substances 0.000 description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 229910052744 lithium Inorganic materials 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000001939 inductive effect Effects 0.000 description 3
- 239000011259 mixed solution Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 235000021049 nutrient content Nutrition 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
- A01G22/60—Flowers; Ornamental plants
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C23/00—Distributing devices specially adapted for liquid manure or other fertilising liquid, including ammonia, e.g. transport tanks or sprinkling wagons
- A01C23/007—Metering or regulating systems
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G27/00—Self-acting watering devices, e.g. for flower-pots
- A01G27/003—Controls for self-acting watering devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Water Supply & Treatment (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Botany (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Soil Sciences (AREA)
- Multimedia (AREA)
- Cultivation Of Plants (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像识别的智能花卉辅助栽培方法及系统,包括获取花卉当前时刻的图像;获取花卉当前时刻实际所处环境参数;根据所述图像进行图像识别,确定花卉的种类及当前时刻的生态长势,进而获得花卉当前时刻对应的最优预设环境参数;根据所述实际所处环境参数和所述最优预设环境参数进行环境参数的调节,并发出调节提醒。本发明通过检测花卉所受光照强度、种植土壤的温湿度以及土壤中无机盐离子含量,结合智能识别的该花卉种类及其生态长势,自动进行相应的湿度和营养液的调节并发出提醒,同时,还将花卉生态长势的信息实时汇报给用户,并给出进一步培养的合理建议,辅助花卉的成长,提高花卉种植的成活率。
Description
技术领域
本发明属于自动化技术领域,尤其涉及一种基于图像识别的智能花卉辅助栽培方法及系统。
背景技术
随着生活水平的不断提高,人们对美好生活的向往更加强烈,爱花、养花人士也越来越多。人们常常会根据个人喜好或植物的特性来选用花盆进行花卉种植。现有技术中,花盆仅仅是用质地为泥、瓷、塑料、石及木制品等材料制作的盆形容器,个别种类能够指示湿度变化,主要应用在园林绿化、景观绿化、私家园林、小区绿化等方面。
而考虑到对于经常疏于照料或过度养护盆栽花卉的用户来说,使用普通花盆种植时容易出现植物因长时间缺少水分或短时间水分过多、温度不适、营养成分不足或营养成分过量等问题而造成花卉枯萎甚至死亡的情况。此外,大部分花卉种植用户不是植物养殖的专家,当植物缺肥生病时,由于判断及使用错误化肥的种类和用量,也容易导致植物死亡,对生态保护产生负面影响,对材料的利用造成了巨大浪费。
近年来,随着通信、人工智能和移动互联网技术的迅速发展,智慧生活越来越普及,如何实现智能种植花卉,提高花卉种植成活率,成为目前亟待解决的问题。
发明内容
为了解决现有技术中无法实现智能花卉种植,无法依据花卉的种类及其生态长势进行合理施肥灌溉,导致花卉枯萎甚至死亡的问题,本发明提供了一种基于图像识别的智能花卉辅助栽培方法及系统,通过检测花卉所受光照强度、种植土壤的温湿度以及土壤中无机盐离子含量,结合智能识别的该花卉种类及其生态长势,自动进行相应的湿度和营养液的调节并发出提醒,同时,还将花卉生态长势的信息实时汇报给用户,并给出进一步培养的合理建议,辅助花卉的成长,提高花卉种植的成活率。
为实现上述目的,本发明的一个或多个实施例提供了如下技术方案:
本发明第一方面提供了一种基于图像识别的智能花卉辅助栽培方法。
一种基于图像识别的智能花卉辅助栽培方法,包括:
获取花卉当前时刻的图像;
获取花卉当前时刻实际所处环境参数;
根据所述图像进行图像识别,确定花卉的种类及当前时刻的生态长势,进而获得花卉当前时刻对应的最优预设环境参数;
根据所述实际所处环境参数和所述最优预设环境参数进行环境参数的调节,并发出调节提醒。
进一步的技术方案,环境参数包括花卉所受光照强度、种植土壤的温湿度以及土壤中无机盐离子含量。
进一步的技术方案,根据所述图像进行图像识别,确定花卉的种类及当前时刻的生态长势,包括:
对采集图像进行分割处理,获得多个图像分割区域;
提取各个图像区域的颜色特征、纹理特征和形状特征,融合获得融合后图像特征;
将融合后图像特征信息与预设的图像样本特征信息进行特征匹配,确定花卉的种类及当前时刻的生态长势。
进一步的技术方案,采用基于模糊相似度检索的余弦距离相似性度量方法进行图像特征匹配。
进一步的技术方案,根据所述实际所处环境参数和所述最优预设环境参数进行环境参数的调节,并发出调节提醒,包括:
当实际种植土壤湿度不符合预设湿度范围时,根据实际种植土壤的湿度和预设湿度计算确定花卉所需水量,自动控制滴灌进行相应水量的灌溉;
当土壤中无机盐离子含量不符合预设无机盐离子含量范围时,根据实际土壤中无机盐离子含量和预设无机盐离子含量计算确定花卉所需无机盐离子量,自动将包含所需无机盐离子量的肥料溶于水中,通过灌溉提供给花卉。
进一步的技术方案,根据所述实际所处环境参数和所述最优预设环境参数进行环境参数的调节,并发出调节提醒,还包括:
当实际种植土壤温度不符合预设温度范围时,发出调节提醒,提醒花卉种植人员及时将花卉移动到适宜温度的环境中;
当花卉所受光照强度不符合预设光照强度范围时,发出调节提醒,提醒花卉种植人员及时将花卉移动到适宜光照的环境中。
本发明第二方面提供了一种基于图像识别的智能花卉辅助栽培系统。
一种基于图像识别的智能花卉辅助栽培系统,包括:
图像获取模块,用于获取花卉当前时刻的图像;
实际环境参数获取模块,用于获取花卉当前时刻实际所处环境参数;
图像识别模块,用于根据所述图像进行图像识别,确定花卉的种类及当前时刻的生态长势,进而获得花卉当前时刻对应的最优预设环境参数;
环境参数调控模块,用于根据所述实际所处环境参数和所述最优预设环境参数进行环境参数的调节,并发出调节提醒。
进一步的技术方案,环境参数包括花卉所受光照强度、种植土壤的温湿度以及土壤中无机盐离子含量。
进一步的技术方案,所述图像获取模块包括摄像头,通过摄像头拍摄获取花卉当前时刻的图像;所述实际环境参数获取模块包括光敏传感器、温湿传感器和离子检测仪,用于获取花卉实际所处环境参数。
进一步的技术方案,所述图像识别模块包括中央处理器,所述环境参数调控模块包括营养液调配装置和客户终端;中央处理器接收光敏传感器、温湿传感器和离子检测仪上传的花卉实际所处环境参数以及摄像头采集的图像,进行图像识别与匹配,根据匹配结果控制营养液调配装置,并将接收的信息和匹配结果传输至客户终端,客户终端发出调节提醒。
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成如上所述的一种基于图像识别的智能花卉辅助栽培方法的步骤。
一种计算机可读存储介质,其特征是:其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行如上所述的一种基于图像识别的智能花卉辅助栽培方法。
以上一个或多个技术方案存在以下有益效果:
(1)本发明通过检测花卉所受光照强度、种植土壤的温湿度以及土壤中无机盐离子含量,结合智能识别的该花卉种类及其生态长势,自动进行相应的湿度和营养液的调节并发出提醒,同时,还将花卉生态长势的信息实时汇报给用户,并给出进一步培养的合理建议,辅助花卉的成长,提高花卉种植的成活率。
(2)针对图像识别技术中图像特征提取以及图像特征匹配进行了优化,融合提取图像的纹理特征、颜色特征和形状特征,获得融合后的图像特征,该图像的特征性要远远优于单独提取图像的某一特征,便于后续的图像对比与匹配,保证图像识别的准确性;采用基于模糊相似度检索的余弦距离相似性度量方法进行图像特征匹配,提高图像特征匹配的准确率。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例一所述基于图像识别的智能花卉辅助栽培方法的流程图;
图2为本发明实施例二所述智能花卉辅助栽培系统的示意图;
图3为本发明实施例二所述细杆顶部装置的结构示意图。
图4为本发明实施例二所述营养液储存装置的结构示意图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
为了解决现有技术中无法实现智能花卉种植,无法依据花卉的种类及其生态长势进行合理施肥灌溉,导致花卉枯萎甚至死亡的问题,本实施例提供了一种基于图像识别的智能花卉辅助栽培方法,如图1所示,该方法包括:
获取花卉当前时刻的图像;
获取花卉当前时刻实际所处环境参数;
根据所述图像进行图像识别,确定花卉的种类及当前时刻的生态长势,进而获得花卉当前时刻对应的最优预设环境参数;
根据所述实际所处环境参数和所述最优预设环境参数进行环境参数的调节,并发出调节提醒。
首先,获取花卉当前时刻的图像和实际所处环境参数。在本实施例中中,利用摄像头采集花卉某一时刻的图像,该时刻可根据用户的需求自行设定,如每隔2天进行以此花卉图像的采集。花卉实际所处环境参数包括花卉所受光照强度、种植土壤的温湿度以及土壤中无机盐离子含量。
其次,根据所获取的图像进行图像识别,确定花卉的种类及当前时刻的生态长势,进而获得花卉当前时刻对应的最优预设环境参数。
对采集图像进行图像识别,确定花卉的种类及当前时刻的生态长势,包括:
首先,对采集图像进行分割处理,获得多个图像分割区域,图像分割是图像识别重要的预处理步骤,能够有效提高图像识别的准确率;
然后,提取各个图像区域的颜色特征、纹理特征和形状特征,融合获得融合后图像特征;
最后,将融合后图像特征信息与预设的图像样本特征信息进行特征匹配,确定花卉的种类及当前时刻的生态长势。
本实施例中,为了进一步提高花卉生态长势判定的准确性,针对图像识别技术中图像特征提取以及图像特征匹配进行了优化。
对采集图像进行分割处理,获得i个图像分割区域,针对各个图像区域的图像特征提取过程,考虑到图像特征包括颜色特征、纹理特征、形状特征、空间关系特征等,而特征提取的优劣将直接关系到识别准确率,因此,本实施例中,分别提取各个图像区域的颜色特征、纹理特征和形状特征。
(1)颜色特征提取
将图像转换为HSV空间图像,对图像最重要的三元素色调、饱和度、亮度进行权重分配,采用最常用且效果较好的占比方式,即占比分别为4:1:1,构成图像的256维的颜色特征向量C(i):
C(i)=[C(i) 1,C(i) 2,...,C(i) 256];
考虑到直接使用初始的颜色特征向量直接进行颜色特征匹配将会产生巨大的计算量,因此,本实施例引入模糊数学算法,对颜色特征向量C(i)进行模糊化,公式为:
上式中,图像颜色特征向量C(i)中某一元素的模糊化方法为:
其中,mean(C(i))代表特征向量C(i)中所有元素的平均值,max(C(i))代表特征向量C(i)中所有元素的最大值,min(C(i))代表特征向量C(i)中所有元素的最小值。
(2)纹理特征提取
采用灰度共生矩阵的方法,提取图像纹理特征包括小梯度优势、大梯度优势、灰度分布的不均匀性、梯度分布的不均匀性、能量、灰度平均、梯度平均、灰度均方差、梯度均方差、相关性、灰度熵、梯度熵、混合熵、惯性和逆差矩总共15个特性,通过求解计算图像对应的这15个特性的值,构成图像的15维的纹理特征向量:
T(i)=[T(i) 1,T(i) 2,...,T(i) 15];
若采用初始的15维纹理特征向量进行图像颜色特征匹配,识别效果较差且计算量也偏大,因此,本实施例在图像特征提取过程中引入模糊化处理,进一步提高特征向量的代表性。将图像纹理特征向量模糊化为:
上式中,图像纹理特征向量T(i)中某一元素的模糊化方法为:
其中,mean(T(i))代表特征向量T(i)中所有元素的平均值,max(T(i))代表特征向量T(i)中所有元素的最大值,min(T(i))代表特征向量T(i)中所有元素的最小值。
(3)形状特征提取
形状特征提取主要提取图像轮廓特征,包括矩形度、球状性、圆形性、质心坐标、中心距共5个特性,通过求解计算图像对应的这5个特性的值,构成图像的5维的形状特征向量:
S(i)=[S(i) 1,T(i) 2,...,S(i) 5];
若采用初始的15维纹理特征向量进行图像颜色特征匹配,识别效果较差且计算量也偏大,因此,本实施例在图像特征提取过程中引入模糊化处理,进一步提高特征向量的代表性。将图像纹理特征向量模糊化为:
上式中,图像纹理特征向量S(i)中某一元素的模糊化方法为:
其中,mean(S(i))代表特征向量S(i)中所有元素的平均值,max(S(i))代表特征向量S(i)中所有元素的最大值,min(S(i))代表特征向量S(i)中所有元素的最小值。
通过上述方式获得分割后图像各个区域图像的颜色特征向量纹理特征向量形状特征向量用首先对整幅图像的不同分割区域进行加权求和,得到整幅图像的颜色特征向量纹理特征向量和形状特征向量用然后,再利用加权求和进行特征融合,获得融合后图像特征,将纹理特征、颜色特征和形状特征综合处理后,该图像的特征性要远远优于单独提取图像的某一特征,便于后续的图像对比与匹配,保证图像识别的准确性。
其中,x、y、z分别代表颜色特征、纹理特征、形状特征在图像特征向量中的权重,其取值范围为(0~1)。
在完成图像特征提取后,将提取的采集的图像特征信息与预设的图像样本特征信息进行特征匹配,确定花卉的种类及当前时刻的生态长势。
所述特征匹配是指将所采集图像与被检索图像进行相似度比较。特征匹配运算在本地处理的同时经中央处理器压缩上传至云端,进而使采集的图像与云端数据库中的特征图像进行更精确的比对,当所述预设的图像样本的特征信息与提取采集的图像的特征信息进行比对,且所述特征信息与预设的图像样本的特征信息匹配度达到预设值时,匹配成功。其中,云端存储有大量预设的图像样本及其对应的图像样本特征信息,每一图像样本对应存储图像中花卉的种类和某一时刻生态长势,并存储该状态下花卉对应的最优预设环境参数。因此,当采集图像与预设图像样本匹配成功时,能够确定采集图像中花卉的种类及其当前时刻的生态长势,进而确定其所需的最优环境参数,为后续环境参数的智能自动调节奠定基础。
图像特征匹配是图像识别中非常关键的一环,主要依赖于向量之间的相似度。
在本实施例中,为了进一步提高检索的准确率,在对比多种相似度度量方法如基于欧氏距离的相似性度量方法、基于切比雪夫距离的相似性度量方法、基于曼哈顿距离的相似性度量方法、基于余弦距离的相似性度量方法和基于闵可夫斯基的相似性度量方法的基础上,根据实验结果,在上述相似性度量方法中找出与本实施例所述方法最适用的相似性度量方法:基于切比雪夫距离的相似性度量方法。以此在一定程度上提高图像特征匹配的准确率。
在确定花卉的种类及当前时刻的生态长势,并获得花卉当前时刻对应的最优预设环境参数后,根据花卉实际所处环境参数和所述最优预设环境参数进行比较,自动调节实际环境参数并发出调节提醒,包括:
当实际种植土壤温度不符合预设温度范围时,发出调节提醒,提醒花卉种植人员及时将花卉移动到适宜温度的环境中,以保证花卉的正常生长,减轻种植人员的管理负担;
当花卉所受光照强度不符合预设光照强度范围时,发出调节提醒,提醒花卉种植人员及时将花卉移动到适宜光照的环境中,以保证花卉的正常生长;
当实际种植土壤湿度不符合预设湿度范围时,根据实际种植土壤的湿度和预设湿度计算确定花卉所需水量,自动控制滴灌进行相应水量的灌溉,保证土壤中的水分达到适宜植株生长的条件;
当土壤中无机盐离子含量不符合预设无机盐离子含量范围时,根据实际土壤中无机盐离子含量和预设无机盐离子含量计算确定花卉所需无机盐离子量,自动将包含所需无机盐离子量的肥料溶于水中,通过灌溉提供给花卉,保证土壤中的无机盐离子含量达到适宜植株生长的条件。
通过上述方案,通过检测花卉所受光照强度、种植土壤的温湿度以及土壤中无机盐离子含量,结合智能识别的该花卉种类及其生态长势,自动进行相应的湿度和营养液的调节并发出提醒,提醒花卉种植人员及时将花卉移动到适宜的环境中,以保证花卉的正常生长,辅助花卉的成长,提高花卉种植的成活率,便于花卉种植人员更科学地进行花卉培养。
实施例二
本实施例提供了一种基于图像识别的智能花卉辅助栽培系统,该系统包括:
图像获取模块,用于获取花卉当前时刻的图像;
实际环境参数获取模块,用于获取花卉当前时刻实际所处环境参数;
图像识别模块,用于根据所述图像进行图像识别,确定花卉的种类及当前时刻的生态长势,进而获得花卉当前时刻对应的最优预设环境参数;
环境参数调控模块,用于根据所述实际所处环境参数和所述最优预设环境参数进行环境参数的调节,并发出调节提醒。
在本实施例中,所述图像获取模块包括摄像头,通过该摄像头拍摄,获取花卉当前时刻的图像;所述实际环境参数获取模块包括温湿传感器、光敏传感器和离子检测仪,用于获取花卉实际所处环境参数,包括种植土壤的温湿度、花卉所受光照强度以及土壤中无机盐离子含量;所述图像识别模块包括中央处理器,中央处理器与温湿度传感器、光敏传感器和离子检测仪和摄像头电连接,中央处理器接收温湿传感器、光敏传感器和离子检测仪上传的花卉实际所处环境参数以及摄像头采集的图像,根据该采集图像进行图像识别,确定花卉的种类及当前时刻的生态长势,进而确定花卉当前时刻对应的最优预设环境参数;所述环境参数调控模块包括中央处理器、营养液调配装置和客户终端,中央处理器根据获取的实际所处环境参数和所述最优预设环境参数进行环境参数的调节,即调节营养液调配装置,同时,中央处理器将获取的实际所处环境参数和所述最优预设环境参数发送到用户终端,花卉种植人员根据用户终端显示和发出的提醒信息,自行将花卉移动到适宜的环境中。
如图2所示,本实施例所述系统包括花盆外壳3,该花盆外壳3包括从内向外依次设置的花盆外壳取样层31、过滤层5和花盆外壳测试层32,所述花盆外壳取样层31内部填充土壤,用于种植花卉;所述过滤层5设置在所述花盆外壳取样层31的外侧,该过滤层5上均匀分布直径为3mm的过滤孔,能够过滤土壤得到澄清溶液,该层略高于测试层。在所述过滤层5的下方设有离子含量检测仪9,该离子含量检测仪9检测土壤中经过花盆外壳取样层31和过滤层5过滤的澄清土壤离子浸出液中无机盐离子的含量。花盆外壳3的外侧还对称设有把手4,便于花卉种植人员移动该花盆。
花盆外壳3上设有一垂直放置的细杆,该细杆靠近花盆边缘处设置传感器设备6,包括温湿感应探头61、温湿传感器62和电线63,温湿感应探头61插入土壤中,将检测的土壤温度、湿度情况通过电线63传输至温湿传感器62;在该细杆的顶部设置摄像头2,通过该摄像头2获取花卉任一时刻的图像,如图3所示,该细杆的顶部还包括太阳能板21、光敏转换器22和中央处理器23,其中,光敏转换器22用于采集任一时刻花卉所受光照强度,太阳能板21利用光电效应将太阳辐射能直接转换成电能,其作为供电装置为所述系统中的设备提供电能。
摄像头2和中央处理器23构成植物长势判断系统,当用户种植的花卉在该智能花盆中生长时,定期唤醒摄像头2对花卉进行拍照,摄像头2自动将图像传送给中央处理器23,拍摄的图像经过中央处理单元进行图像分割、图像特征提取操作后在本地和云端同时进行特征匹配,查找出匹配度最高的图像样本,确定该图像样本对应的花卉种类信息、花卉这一时刻的生态长势以及该状态下花卉对应的最优预设环境参数信息,将上述信息反馈到中央处理器23,由此确定植物的生态长势和植物种类,辅助判断植物的生长状况,中央处理器23远程无线连接客户终端,通过客户终端给用户提供花卉的相关信息、花卉种植技巧和注意事项。
此外,光敏转换器检测环境光照强度与花卉对应的最优预设环境参数信息是否匹配,若不匹配则通过客户终端发出提醒信息,提醒用户及时将花盆移动到适宜光照的环境中,以保证花卉的正常生长。
温湿感应探头61、温湿传感器62和电线63构成了植物辅助栽培的传感器系统,温湿感应探头61埋在土壤内部,温湿传感器62位于花盆上方,电线63连接温湿感应探头61和温湿传感器62。温湿感应探头61能够将土壤的温度和湿度信息及时且准确的通过电线63传输至温湿传感器62中,并实时实时反馈到中央处理器23中,中央处理器23将该信息再传输至客户终端。当温湿传感器62检测到土壤中湿度过低时,通过驱动装置8将营养液储存箱71和水储存箱72的混合溶液通过滴灌设备1对植物进行滴灌,使土壤中的温湿度达到适宜植株生长的条件,保证用户植株的正常生长。
当温湿传感器62检测到土壤中温度过高或过低时,通过客户终端发出提醒信息,提醒用户及时将花盆移动到适宜温度的环境中,以保证花卉的正常生长,减轻种植人员的管理负担。
同时,离子检测仪9将检测的土壤离子浸出液中的离子含量实时反馈到中央处理器23中,中央处理器23将该信息再传输至客户终端,中央处理器根据检测结果和植物种类等信息确定滴灌的混合溶液的比例,控制滴灌装置1和营养液存储装置7进行相应溶液的滴灌,为花卉的繁茂生长提供保障。
花盆外壳3内部上方设置滴灌装置1,该滴灌装置1为多个均匀分布的滴灌孔,其根据情况均匀、定时、定量供给作物水和营养物质。该滴灌装置1与营养液存储装置7连接,如图4所示,营养液储存装置7包括营养液储存箱71、水储存箱72、压力传感器73和营养液调配装置74,营养液储存箱71和水储存箱72分别左右分开设置,其下方设有压力传感器73,用以监测营养液储存箱71和水储存箱72中的液体剩余量,同时该压力传感器73与中央处理器23电连接,将检测的液体剩余量信息传递给中央处理器23;该营养液存储装置7的最下方设置营养液调配装置74,该装置接收中央处理器23的控制信号,根据控制信号混合营养液储存箱71和水储存箱72中相应容量的营养液和水分。
此外,压力传感器实时监测上方的营养液储存箱和水储存箱的余量,当检测到剩余液体少于标准线时,通过客户终端反馈给花卉种植人员,提醒花卉种植人员及时添加营养液或水。
通过将可溶性液体肥料按土壤养分含量和作物需肥规律和特点,配兑成的肥液与灌溉水一起相融后利用可控管道,通过管道和滴头形成滴灌,均匀、定时、定量浸润作物根系发育生长区域,使主要根系土壤始终保持疏松和适宜的含水量,同时根据土壤环境和养分含量状况,花卉不同生长期需水、需肥规律情况进行不同生育期的需求设计,把水分、养分定时定量,按比例直接提供给作物。
所述营养液存储装置7上还设有驱动装置8,该驱动装置包括发动机81、锂电池组82和太阳能板83,太阳能板83利用光电效应将太阳辐射能直接转换成电能,锂电池组82将太阳能板83所产生的电能进行存储,以供后期发动机81工作使用。发动机81驱动营养液调配装置74中的混合溶液进入滴灌装置,进行花卉的滴灌,为花卉的繁茂生长提供保障。
发动机81、锂电池组82和太阳能板83构成智能花卉辅助栽培系统的动力系统,针对于不同使用场景进行了个性化定制。针对室内场景,采用外接交流电供电,并内置了大容量锂电池组82在断电后仍可以在一定时间内继续工作;而针对室外场景在外接交流电的情况下安装的太阳能板83作为优先能源为栽培系统中的各个部件供电,并同样设置太阳能板83所产生的电能可存入锂电池组82中,在恶劣天气无法发电的情况下也可在一定的时间内继续工作,有效避免了特殊情况下栽培系统由于储能不足所带来的无法正常工作的状况。
所述客户终端中具有丰富的花卉种植相关知识,包括花卉种植、花卉推荐等视频与文章,供爱花者阅读,增加养花选花经验,并可以进行用户之间的养花经验交流。客户终端也包括离子检测数据与长势检测对比数据,能够实时检测到花盆中植株的状况,并反馈所缺元素的数据并由此推荐该植株适合的营养液类别,供使用者参考,用户只需将营养液加入到营养液存储装置中,通过驱动装置将按照营养成分缺乏程度配比的溶液加入滴灌设备中,补充土壤中缺乏的营养物质,促进花卉的茁壮生长。
实施例三
本实施例提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成如上所述的基于图像识别的智能花卉辅助栽培方法中的步骤。
实施例四
本实施例还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成如上所述的一种基于图像识别的智能花卉辅助栽培方法中的步骤。
以上实施例二至四中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于图像识别的智能花卉辅助栽培方法,其特征是,包括:
获取花卉当前时刻的图像;
获取花卉当前时刻实际所处环境参数;
根据所述图像进行图像识别,确定花卉的种类及当前时刻的生态长势,进而获得花卉当前时刻对应的最优预设环境参数;
根据所述实际所处环境参数和所述最优预设环境参数进行环境参数的调节,并发出调节提醒。
2.如权利要求1所述的一种基于图像识别的智能花卉辅助栽培方法,其特征是,所述环境参数包括花卉所受光照强度、种植土壤的温湿度以及土壤中无机盐离子含量。
3.如权利要求1所述的一种基于图像识别的智能花卉辅助栽培方法,其特征是,根据所述图像进行图像识别,确定花卉的种类及当前时刻的生态长势,包括:
对采集图像进行分割处理,获得多个图像分割区域;
提取各个图像区域的颜色特征、纹理特征和形状特征,融合获得融合后图像特征;
将融合后图像特征信息与预设的图像样本特征信息进行特征匹配,确定花卉的种类及当前时刻的生态长势。
4.如权利要求3所述的一种基于图像识别的智能花卉辅助栽培方法,其特征是,采用基于模糊相似度检索的余弦距离相似性度量方法进行图像特征匹配。
5.如权利要求2所述的一种基于图像识别的智能花卉辅助栽培方法,其特征是,根据所述实际所处环境参数和所述最优预设环境参数进行环境参数的调节,并发出调节提醒,包括:
当实际种植土壤湿度不符合预设湿度范围时,根据实际种植土壤的湿度和预设湿度计算确定花卉所需水量,自动控制滴灌进行相应水量的灌溉;
当土壤中无机盐离子含量不符合预设无机盐离子含量范围时,根据实际土壤中无机盐离子含量和预设无机盐离子含量计算确定花卉所需无机盐离子量,自动将包含所需无机盐离子量的肥料溶于水中,通过灌溉提供给花卉。
6.如权利要求2所述的一种基于图像识别的智能花卉辅助栽培方法,其特征是,根据所述实际所处环境参数和所述最优预设环境参数进行环境参数的调节,并发出调节提醒,还包括:
当实际种植土壤温度不符合预设温度范围时,发出调节提醒,提醒花卉种植人员及时将花卉移动到适宜温度的环境中;
当花卉所受光照强度不符合预设光照强度范围时,发出调节提醒,提醒花卉种植人员及时将花卉移动到适宜光照的环境中。
7.一种基于图像识别的智能花卉辅助栽培系统,其特征是,包括:
图像获取模块,用于获取花卉当前时刻的图像;
实际环境参数获取模块,用于获取花卉当前时刻实际所处环境参数;
图像识别模块,用于根据所述图像进行图像识别,确定花卉的种类及当前时刻的生态长势,进而获得花卉当前时刻对应的最优预设环境参数;
环境参数调控模块,用于根据所述实际所处环境参数和所述最优预设环境参数进行环境参数的调节,并发出调节提醒。
8.如权利要求7所述的一种基于图像识别的智能花卉辅助栽培系统,其特征是,所述环境参数包括花卉所受光照强度、种植土壤的温湿度以及土壤中无机盐离子含量。
9.如权利要求7所述的一种基于图像识别的智能花卉辅助栽培系统,其特征是,所述图像获取模块包括摄像头,通过摄像头拍摄获取花卉当前时刻的图像;所述实际环境参数获取模块包括光敏传感器、温湿传感器和离子检测仪,用于获取花卉实际所处环境参数。
10.如权利要求9所述的一种基于图像识别的智能花卉辅助栽培系统,其特征是,所述图像识别模块包括中央处理器,所述环境参数调控模块包括营养液调配装置和客户终端;中央处理器接收光敏传感器、温湿传感器和离子检测仪上传的花卉实际所处环境参数以及摄像头采集的图像,进行图像识别与匹配,根据匹配结果控制营养液调配装置,并将接收的信息和匹配结果传输至客户终端,客户终端发出调节提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210634945.3A CN114982580B (zh) | 2022-06-07 | 2022-06-07 | 一种基于图像识别的智能花卉辅助栽培方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210634945.3A CN114982580B (zh) | 2022-06-07 | 2022-06-07 | 一种基于图像识别的智能花卉辅助栽培方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114982580A true CN114982580A (zh) | 2022-09-02 |
CN114982580B CN114982580B (zh) | 2024-04-12 |
Family
ID=83032260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210634945.3A Active CN114982580B (zh) | 2022-06-07 | 2022-06-07 | 一种基于图像识别的智能花卉辅助栽培方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114982580B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117522083A (zh) * | 2024-01-05 | 2024-02-06 | 山西农众物联科技有限公司 | 一种物联网传感数据识别的栽培控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102144494A (zh) * | 2011-04-07 | 2011-08-10 | 徐国元 | 智能花卉栽培系统及栽培仪 |
CN108304588A (zh) * | 2018-03-07 | 2018-07-20 | 山东师范大学 | 一种基于k近邻和模糊模式识别的图像检索方法及系统 |
CN109190571A (zh) * | 2018-09-12 | 2019-01-11 | 内蒙古大学 | 一种放牧绵羊采食典型植物种类的检测识别方法及其装置 |
CN109213886A (zh) * | 2018-08-09 | 2019-01-15 | 山东师范大学 | 基于图像分割和模糊模式识别的图像检索方法及系统 |
CN109479683A (zh) * | 2018-12-26 | 2019-03-19 | 浙江师范大学 | 一种智能花卉灌溉系统及其种植花卉识别方法 |
CN112197819A (zh) * | 2020-12-07 | 2021-01-08 | 宏景科技股份有限公司 | 一种基于生产基地的植物生长精准控制方法 |
-
2022
- 2022-06-07 CN CN202210634945.3A patent/CN114982580B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102144494A (zh) * | 2011-04-07 | 2011-08-10 | 徐国元 | 智能花卉栽培系统及栽培仪 |
CN108304588A (zh) * | 2018-03-07 | 2018-07-20 | 山东师范大学 | 一种基于k近邻和模糊模式识别的图像检索方法及系统 |
CN109213886A (zh) * | 2018-08-09 | 2019-01-15 | 山东师范大学 | 基于图像分割和模糊模式识别的图像检索方法及系统 |
CN109190571A (zh) * | 2018-09-12 | 2019-01-11 | 内蒙古大学 | 一种放牧绵羊采食典型植物种类的检测识别方法及其装置 |
CN109479683A (zh) * | 2018-12-26 | 2019-03-19 | 浙江师范大学 | 一种智能花卉灌溉系统及其种植花卉识别方法 |
CN112197819A (zh) * | 2020-12-07 | 2021-01-08 | 宏景科技股份有限公司 | 一种基于生产基地的植物生长精准控制方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117522083A (zh) * | 2024-01-05 | 2024-02-06 | 山西农众物联科技有限公司 | 一种物联网传感数据识别的栽培控制方法及系统 |
CN117522083B (zh) * | 2024-01-05 | 2024-03-12 | 山西农众物联科技有限公司 | 一种物联网传感数据识别的栽培控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114982580B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110692338A (zh) | 水肥一体化灌溉系统控制方法及水肥一体化灌溉系统 | |
CN206820788U (zh) | 一种植物工厂植物长势记录和种植建议系统 | |
CN105700593B (zh) | 一种植物种植监控系统及其方法 | |
CN108710766B (zh) | 一种基于生长模型的温室植物水肥机调肥参数计算方法 | |
CN112189550B (zh) | 一种基于数据驱动的智能植物培育系统及其使用方法 | |
CN109757175A (zh) | 一种基于无人机监测的玉米水肥一体化变量施肥方法 | |
CN108617355A (zh) | 一种集群温室灌溉决策方法及系统 | |
CN112882517A (zh) | 基于大数据和物联网的智慧农业种植环境监测方法和云监测平台 | |
KR102071175B1 (ko) | 작물 생육상태에 따른 생장 관리 시스템 | |
CN109166049A (zh) | 一种物联网农业灌溉系统及方法 | |
CN113158750A (zh) | 一种基于卷积神经网络的植物长势模型的自反馈学习评估方法 | |
CN112540563A (zh) | 一种基于物联网的智慧农业控制系统及控制方法 | |
CN113469112B (zh) | 农作物生长状况图像识别方法及系统 | |
CN114793671A (zh) | 一种室内植物的养殖方法、设备及介质 | |
CN114982580B (zh) | 一种基于图像识别的智能花卉辅助栽培方法及系统 | |
CN116578047B (zh) | 一种用于辣椒生产的精细化智能控制方法及系统 | |
CN114626010A (zh) | 一种基于CatBoost的灌溉量计算方法及系统 | |
CN206441001U (zh) | 一种中小型温室种植业远程监控及管理装置 | |
CN117121799A (zh) | 一种基于物联网的规模化农田灌溉系统及方法 | |
WO2023066016A1 (en) | Hydroponics farming apparatus, and systems including the same | |
CN108834667A (zh) | 一种基于物联网的大棚系统 | |
CN115171036A (zh) | 一种智能农业大棚的植物管理控制方法和系统 | |
KR20190064079A (ko) | 작물에 대한 배지 및 배액 무게를 이용한 양액 제어 방법 | |
CN115184353A (zh) | 一种用于大棚葡萄的水肥监测分析系统及方法 | |
CN213848015U (zh) | 一种基于多源信息融合的作物节水灌溉测控系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |